| 著者 |
桶間椋，五藤大介，山里敬也，山下史洋，糸川喜代彦 |
| 題目 |
［奨励講演］深層学習を用いた複数衛星における重畳LEO-MIMO制御信号のドップラーシフト推定 |
| 出典 |
電子情報通信学会技術研究報告, SAT2020-19, pp.47-52 |
| 要約 |
低軌道(LEO)衛星通信の大容量化を目的としてLEO衛星にMIMO(Multi-Input Multi-Output)技術を適用することを考える．
従来研究において，LEO-MIMO信号のドップラーシフトを推定する為に各衛星毎に個別の周波数帯域を割り当て識別用の制御信号を送信していた．
これによりLEO-MIMOにおける干渉が避けられ大容量化が可能となる．
しかしMIMOを行う衛星数が増加すると制御信号に割り当てる帯域幅が増加し，データ送信用の帯域幅が狭まり，システム全体の通信容量が低下するという課題が存在する．
そこで，本研究では，各LEO衛星の制御信号を重畳させ，制御信号の帯域幅をLEO衛星数に依らず一定とすることで通信容量の低下の改善を試みる．
具体的には，重畳制御信号からのドップラーシフト推定に焦点を当て，深層学習を用いたブラインド推定を提案する．
これまで，衛星2基における有効性を確認してきた．本稿では3基以上の重畳制御信号に対する推定を検討する．
また，推定推定精度の向上の為に畳み込みニューラルネットワークを採用し，深層ニューラルネットワークとの比較を行う． |
| Authors |
R. Okema, D. Goto, T. Yamazato, F. Yamashita, K. Itokawa |
| Title |
Doppler frequency estimation of Superimposed Control Signal of multiple satellites by Deep Learning in LEO-MIMO |
| Authority |
IEICE Technical Report, SAT2020-19, pp.47-52 |
| Summary |
This paper focuses on satellite MIMO (Multi-Input Multi-Output) technology to increase the capacity of Low Earth Orbit (LEO) satellite communications.
In previous research, LEO-MIMO communication requires control signals to estimate the Doppler frequencies of each satellite.
The control signal is allocated a different frequency band to avoid inter-carrier interference with other signals.
However, as the number of communication LEO satellites increases, the bandwidth of the control signal becomes wider and the bandwidth for the MIMO signal becomes narrower.
In other words, the problem is that the capacity of LEO-MIMO decreases with the increase in the number of communication LEO satellites.
Therefore, this study attempts to suppress the communication capacity reduction by superimposing control signals.
This technique can improve the bandwidth of the control signal is constant regardless of the number of satellites, and suppress capacity reduction regardless the number of satellites.
On the other hands, superimposed control signals technique degrades the Doppler frequency estimation accuracy due to inter-carrier interference.
To tackle of the problem, we propose the novel Doppler frequency estimation using Deep learning techniques.
This paper deal with Doppler shift estimation for control signals with three or more superimposed waveforms and unlearned waveforms.
In order to improve the estimation accuracy, we employed convolutional neural networks in addition to deep neural networks and compared their performance. |
| 年月 |
2020年8月 |
| DOI/Handle |
|
| 開催場所 |
オンライン |
| 研究テーマ |
衛星通信システム
機械学習
|
| 言語 |
日本語 |
| 原稿/プレゼン資料 |
 / 無し (ローカル限定) |
